# Calcula la matriz de afinidad A = kneighbors_graph(X, n_neighbors=10, mode='connectivity') # Construye la matriz Laplaciana L = laplacian(A, normed=True) # Calcula los primeros k valores propios y vectores propios k = 10 eigenvalues, eigenvectors = eigsh(L, k=k, which='SM') # Ordena los autovalores y los autovectores de acuerdo con los autovalores sorted_indices = np.argsort(eigenvalues)[::-1] # Orden descendente eigenvalues_sorted = eigenvalues[sorted_indices] eigenvectors_sorted = eigenvectors[:, sorted_indices] # Grafica los autovalores en un gráfico de barras plt.figure(figsize=(8, 6)) plt.bar(range(1, len(eigenvalues_sorted) + 1), eigenvalues_sorted, color='blue') plt.xlabel('Autovalor (k)') plt.ylabel('Valor propio') plt.title('Autovalores de la matriz Laplaciana') plt.grid(True) plt.show()